煤炭资源是我国具有战略地位的重要能源,是我国未来几十年经济发展和社会进步的命脉。随着煤炭需求不断增加,煤矿安全生产面临巨大压力,这关系到我国煤炭工业的可持续发展和国家能源安全。煤矿生产物流系统的安全是保证煤矿生产正常运行和发挥经济效益的基础。因此,加强煤矿生产物流系统的安全管理,尤其是强化对矿井安全状态的有效预测意义重大。本文以具有复杂非线性、实时动态性、模糊不确定性等特征的煤矿生产物流系统为研究对象,着重从安全状态预测的角度出发,提出一套完整的煤矿生产物流系统安全状态指标体系并提出相应的预测方法。本文的主要内容如下。(1)结合煤矿生产物流系统的复杂特性,站在事中控制、动态分析的角度,从人员因素、作业因素、机电因素、运输因素、通风因素、排水因素和瓦斯因素的七个方面进行分类,全面细致地对煤矿生产物流系统的安全性进行分析,探究出各影响因素与煤矿生产物流系统安全状态之间的作用机理。(2)提出一种基于灰色理论的煤矿生产物流安全状态指标体系构建方法。首先通过影响因素分析,初步建立指标体系；然后运用灰色聚类,减少指标相关性;最后通过灰色关联分析,筛选优化指标体系。这样的处理方法不仅避免了人为主观性的干扰,而且实现了指标体系的精简优化。(3)针对煤矿生产物流系统复杂多变、数据获取困难的特点,提出一种基于改进粒子群优化支持向量机(IPSO-SVM,Improved Particle Swarm Optimization-Support Vector Machine)的煤矿生产物流系统安全状态预测模型。首先,采用对惯性权重和学习权重进行线性调整的方法,改善粒子群优化算法(PSO, Particle Swarm Optimization)的收敛速度和搜索精度；然后,将改进后的PSO与传统支持向量机(SVM, Support Vector Machine)相融合,解决SVM参数设置困难的问题；最后,通过案例实验,验证了该模型的有效性。本文研究成果不仅拓展了煤矿生产物流系统的研究领域,丰富了煤矿安全管理的研究成果,而且有助于改善日趋严峻的煤矿安全生产形势,帮助煤炭企业提升安全生产管理水平,对于我国煤炭行业的可持续发展具有积极意义。